Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Deep Learning Menggunakan Arsitektur Vgg-19 Untuk Deteksi Penyakit Pada Tebu Berdasarkan Citra Daun Berbasis Website Wijaya Samdoria, Samodra; Nisar, Nisar
Journal of Comprehensive Science Vol. 4 No. 5 (2025): Journal of Comprehensive Science (JCS)
Publisher : Green Publisher Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59188/jcs.v4i5.3155

Abstract

Tanaman tebu merupakan komoditas strategis dalam industri gula nasional, namun produktivitasnya sering terhambat oleh serangan penyakit daun yang sulit terdeteksi secara dini. Deteksi manual oleh petani atau tenaga ahli memerlukan waktu dan biaya yang tidak sedikit, serta rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengembangkan sistem deteksi penyakit pada daun tebu berbasis website menggunakan pendekatan deep learning dengan arsitektur VGG-19. Metode yang digunakan meliputi pengumpulan dataset citra daun tebu yang terklasifikasi dalam kondisi sehat dan berbagai jenis penyakit, dilanjutkan dengan preprocessing citra, pelatihan model menggunakan VGG-19, serta integrasi model ke dalam antarmuka website untuk penggunaan praktis oleh pengguna. Hasil penelitian menunjukkan bahwa model VGG-19 yang diimplementasikan berhasil mencapai tingkat akurasi sebesar 92,3% dalam mendeteksi dan mengklasifikasikan kondisi daun tebu berdasarkan citra yang diunggah melalui platform. Sistem ini diharapkan dapat menjadi solusi inovatif dalam mendukung proses pemantauan kesehatan tanaman secara real-time dan efisien, serta berkontribusi pada peningkatan produktivitas pertanian tebu di Indonesia.